Comment la spécification par l'IA a transformé l'achat B2B

Qu'est-ce qui a réellement changé ?

Le changement ne tient pas au fait que les acheteurs utilisent l'IA. Il tient au moment où ils l'utilisent dans la séquence.

Pendant trente ans, le parcours d'achat industriel commençait par une recherche, un site de distributeur, un catalogue ou un commercial, et se terminait par une liste restreinte. Le rôle du fournisseur était d'être présent au départ — par le référencement, par la distribution sous contrat de franchise, par des ingénieurs d'application terrain assis aux côtés des concepteurs. La présence en amont produisait la considération en aval.

Cette séquence s'est inversée. L'acheteur commence désormais par un assistant, aboutit à une liste restreinte, et ne touche un support fournisseur qu'ensuite — le plus souvent pour vérifier une décision déjà resserrée. L'analyse de Forrester de janvier 2026 relève que 94 % des acheteurs professionnels utilisent l'IA quelque part dans leur processus d'achat, contre 89 % un an plus tôt, et — plus significatif que ce chiffre d'accroche — qu'ils sont deux fois plus nombreux à désigner l'IA générative ou la recherche conversationnelle comme source d'information plus déterminante ou plus importante que toute autre, devant les sites des fournisseurs, les experts produit et les commerciaux.

Lisez bien cette phrase. L'IA n'est pas un canal parmi d'autres : elle a supplanté les canaux que le secteur a mis des décennies à bâtir.

Où se déroule réellement l'évaluation aujourd'hui ?

Trois jeux de données triangulent le même basculement sous des angles différents.

Les chiffres d'Adobe concernent le commerce de détail, et l'achat industriel n'est pas le commerce de détail. Mais le mécanisme qu'ils mettent au jour est indépendant du canal : lorsque c'est l'assistant qui filtre, la visite qui suit est une décision, pas une exploration. Adobe constate également que ces visiteurs passent 48 % de temps en plus sur le site et consultent 13 % de pages en plus. Moins nombreuses, plus tardives, mieux qualifiées — et entièrement conditionnées au fait que l'assistant vous ait retenu.

L'échelle sous-jacente n'a rien de marginal. OpenAI a annoncé plus de 900 millions d'utilisateurs actifs hebdomadaires de ChatGPT en février 2026. Quelle que soit la proportion d'ingénieurs venus y vérifier une référence, cette population dépasse tout ce qu'une force de terrain de distributeur a jamais pu atteindre.

Pourquoi cela touche-t-il la spécification plus durement que le marketing ?

Parce que c'est dans la spécification que se fabrique réellement la marge industrielle, et parce que la spécification est étonnamment facile à influencer pour une machine.

Un tunnel marketing se dégrade en douceur lorsqu'un canal faiblit. Une spécification, elle, ne se dégrade pas : elle tranche. Une référence figure dans la nomenclature ou elle n'y figure pas, et une fois qu'elle y est, la retirer coûte cher. Avec des cycles de design-in de 12 à 36 mois, la décision et le chiffre d'affaires sont séparés par des années.

Le mécanisme traditionnel de captation de cette valeur est le design registration : le fabricant récompense le distributeur dont l'ingénieur terrain a fait entrer la référence dans le produit d'un client, généralement par une marge supplémentaire, une protection de prix ou l'exclusivité d'approvisionnement sur ce programme. Tout l'appareil — contrats de franchise, objectifs de création de demande, effectifs d'ingénieurs d'application — existe pour répondre à une seule question : qui est à l'origine de ce design-in ?

La spécification pilotée par l'assistant ne casse pas la réponse : elle casse la question. Si un concepteur décrit un besoin à un assistant, reçoit trois références candidates avec leurs paramètres et enregistre un design sur l'une d'elles, aucun ingénieur terrain n'a créé cette demande. Ce sont les données qui l'ont créée. Et personne ne s'est entendu sur la façon de rémunérer des données.

Le mécanisme était déjà sous tension. Le design registration peine depuis longtemps lorsqu'un client externalise sa production à un sous-traitant électronique, parce que la conception a lieu à un endroit et la commande apparaît à un tout autre — l'enregistrement survit sur le papier pendant que sa logique commerciale s'effiloche. Les listes restreintes constituées par la machine appliquent la même contrainte à l'entrée du processus plutôt qu'à sa sortie. Le distributeur qui a investi dans les données n'est pas nécessairement celui qui détient la relation, et le fabricant dont les paramètres étaient lisibles n'a peut-être jamais été sollicité.

Qu'est-ce qui détermine la présence de votre référence dans la réponse ?

Il vaut la peine d'être concret sur le mécanisme, car la plupart des équipes commerciales le raisonnent comme s'il s'agissait d'un classement.

Un assistant qui répond à une question de spécification accomplit à peu près quatre opérations : il traduit le besoin en contraintes, récupère les fiches candidates, les filtre au regard de ces contraintes, puis justifie celles qui subsistent. Une référence peut être éliminée à chacune de ces quatre étapes, et seule la dernière ressemble à quelque chose qu'une équipe marketing a déjà eu l'occasion d'optimiser.

La deuxième ligne est le tueur silencieux. Un assistant à qui l'on demande une référence AEC-Q100 Grade 1 n'inclura pas un composant dont il ne peut pas vérifier le statut de qualification. Il ne signale pas l'exclusion et n'émet aucune réserve. L'absence de donnée est traitée comme l'absence de la propriété — comportement correct pour un outil prudent, résultat catastrophique pour un fournisseur dont la référence est pourtant qualifiée.

Qui capte la valeur lorsque la liste restreinte est constituée par une machine ?

Le schéma est constant : le pouvoir passe de qui vous connaissez à ce qu'une machine peut vérifier sur vos références. Constat inconfortable pour les organisations dont l'avantage concurrentiel est une force de terrain, et véritable ouverture pour quiconque dispose de bonnes données et d'aucune force de terrain.

Rupture ou simple nouveau canal ?

La réponse honnête est que le basculement de la découverte est solidement documenté, et que celui de la transaction ne l'est pas.

Gartner prévoit l'abandon de plus de 40 % des projets d'IA agentique d'ici fin 2027, invoquant la dérive des coûts, une valeur métier incertaine et des contrôles de risque insuffisants. Cette prédiction a bien vieilli : OpenAI a retiré son propre Instant Checkout en mars 2026, après la mise en service d'une douzaine de marchands Shopify seulement, et Deloitte rapporte que moins d'un quart des fournisseurs B2B utilisent des technologies d'IA agentique.

L'achat industriel comporte des frictions supplémentaires que le commerce de détail ignore. Les tarifs contractuels sont négociés et confidentiels. Les validations mobilisent les 13 parties prenantes internes et 9 influenceurs externes recensés par Forrester, les achats agissant comme décideur dans 53 % des cycles. La documentation de conformité — RoHS, REACH, minerais de conflit, déclarations UKCA et CE — doit être jointe à la décision, et non simplement affirmée.

Rien de tout cela n'empêche un assistant de rédiger la liste restreinte. Cela l'empêche de passer la commande. Ce sont deux affirmations distinctes, et les confondre est l'erreur la plus répandue sur ce marché.

Que doivent faire un fabricant ou un distributeur ?

1. 01Découvrez ce que les assistants disent aujourd'hui de vos références. Posez cinq questions factuelles dont vous connaissez les réponses sur cinq références réelles, auprès de trois assistants. La plupart des équipes découvrent une erreur précise et corrigeable en moins de vingt minutes.
2. 02Récupérez vos propres pages catalogue avec un simple client non navigateur. Lorsque Partsgraph a audité 984 domaines de distributeurs et de fabricants dans le monde en août 2026, 38 % ne servaient aucune page catalogue lisible à un client non navigateur standard, et le score médian de visibilité IA s'établissait à 50 sur 100. Le rendu côté client en est de loin la cause la plus fréquente.
3. 03Désignez une fiche canonique. Des paramètres dispersés entre un PIM, une fiche technique PDF et un ERP produiront trois réponses différentes. Un assistant citera celle qu'il aura trouvée, sans dire à personne laquelle.
4. 04Publiez la conformité et le statut de cycle de vie sous forme de données, pas de documents. L'obsolescence, les dates de dernier achat possible et les homologations régionales sont les champs les plus susceptibles d'être erronés dans la réponse d'un assistant, et les plus lourds de conséquences commerciales lorsqu'ils le sont.
5. 05Offrez aux agents une voie directe. Microchip a publié en novembre 2025 un serveur Model Context Protocol officiel exposant aux clients IA des spécifications produit vérifiées, des fiches techniques, des stocks, des prix et des délais. La liste reste remarquablement courte : dans le même audit d'août 2026, pas un seul des 984 domaines n'annonçait de point d'accès MCP.
6. 06Réécrivez les règles de création de demande avant que votre canal ne s'en charge. Si le design registration ne sait pas créditer une spécification d'origine machine, les distributeurs cesseront d'investir dans les données qui la produisent, et le fabricant héritera du problème.

L'effet qui se cumule

Aucun futur plausible ne ramènera les acheteurs à ouvrir douze onglets. Dès lors qu'un assistant répond correctement à une question de spécification, il devient la source par défaut pour cette catégorie de questions, et les choix par défaut s'auto-renforcent : la réponse citée est confortée, et le fournisseur lisible est cité.

Le décalage aggrave la situation au lieu de l'atténuer. Une spécification gagnée en 2026 se traduit en chiffre d'affaires en 2028. Autrement dit, les entreprises qui découvriront en 2028 que leur taux de design-in a discrètement reculé auront sous les yeux des décisions de qualité de données prises deux ans plus tôt, par personne en particulier, dans un système dont personne n'était propriétaire.

Pour savoir ce que les assistants disent aujourd'hui de votre catalogue, l'outil gratuit d'évaluation disponible sur [/audit](/audit) vérifie comment une machine le lit réellement.